Oryn
为运动健康场景下的复杂工作流打造的智能底座,让 Agent 在真实业务场景中更稳、更快、更可控。
为运动健康场景下的复杂工作流打造的智能底座,让 Agent 在真实业务场景中更稳、更快、更可控。
Oryn-Agent 是能够读懂你、主动陪伴你训练的 AI 健康教练。
Oryn-Vigor 是面向智能健身场景的人体运动理解视觉模型。
服务于健康营养管理场景的视觉智能体,获得更直观、更精准、更便于长期掌控的营养摄入评估。
Oryn-Somni 是面向个性化睡眠管理的方案生成模型

长期记忆如何成为可更新的判断系统
Agent 长期记忆的核心并非检索聊天历史,而是构建动态的状态基础设施。本文提出分层记忆与上下文编译架构,将离散信号转化为可追溯、可修正的用户状态,并通过数据血缘与反馈闭环,实现随时间持续演进的精准决策。

如何让模型从数周或数月的睡眠记录中找准事实、解释可能原因,并给出安全且可执行的个性化建议。
从数周到数月的睡眠记录中找准事实、解释可能原因,并给出安全可执行的个性化建议:长上下文开放式睡眠报告生成的难点、推理图教师数据、weighted DPOP 与细粒度 GRPO 训练方案。

创建训练计划为什么比想象中难
AI 训练计划的核心难点不是 "聪明",而是约束管理 —— 设备能力、训练目标、恢复需求、时间安排之间的复杂博弈。从 "有什么练什么" 到 "什么适合练什么",AI 需在多方约束的交集中找到平衡点:同一目标因设备不同而剧本迥异,相邻训练日存在隐形恢复链,跨周负荷递增不能靠压缩休息。真正的挑战是把运动科学原则转化为约束求解。

开放应用开发、模型研究、数据工程、可信AI 和 AI Infra 方向岗位。
将模型、数据、评测与部署能力沉淀为可进入真实业务流程的智能工具。